Professional Documents
Culture Documents
Wavelet.
Resumo-Como o fluxo de trfego tem as caractersticas de interferncia
no-linear e forte, tem caractersticas diferentes em diferentes tempo-freqncia
espaos. Em primeiro lugar, este artigo utiliza o mtodo de anlise wavelet,
decompe-se um grupo de sinais de trnsito originais fluxo contendo informaes
resumidas em srie de sinais de tempo de seqncia que tenham caracteres
diferentes, ento faz uso da capacidade linear boa montagem do modelo ARIMA
processa o sinal de tempo wavelet anlise atravs do modelo ARIMA. Usando
Matlab e SPSS, os dados de fluxo de trfego medidos foram analisados verificada.
Os resultados da experincia mostram que o modo de combinar a anlise wavelet
com modelo ARIMA pode reduzir o erro de predio de forma eficaz, e a melhorar
a preciso de previso em cerca de 80%, deste modo tem de viabilidade alta.
I. Introduo
Previso de fluxo de trfego o bsico de engenharia de trfego. planejamento de
transporte e controle de trfego, o fluxo de trfego das previses oportunas e precisas
melhorar a distribuio do fluxo de trfego e os fatores-chave de controle, de modo que o
tempo real a previso de fluxo de trnsito est se tornando cada vez mais importante.
Atualmente, h uma srie de mtodos de previso, mas a pesquisa mostra que vrios
mtodos tm suas vantagens e desvantagens, no qualquer um pode atender a previso de
todos da srie histrica. Mdia Mvel (MA) simples, mas a preciso da previso no
alta; ARIMA, Kalman e Bayesiana modelo de rede tem previso de alta preciso e
tcnica madura, mas os seus mtodos de modelagem so entediantes, inteligncia
artificial e redes neurais esto aptos para a montagem no-linear, mas facilmente cair
mnimo local, que tem convergncia lenta; modelo SVM adequado para a previso de
pequenas amostras, que capaz de obter o timo global, mas a previso muito sensvel
funo kernel [1-2].
Bates, etc ter proposto as idias de previso de combinao, em 1969, este
mtodo como que, para alguns mtodos que participaram em combinao, a escolha de
mtodos adequados para combinar seus resultados, para desempenhar as respectivas
vantagens e melhorar a preciso da previso [3]. Anlise Wavelet decomposto de um
conjunto de sinais de trnsito original, que tinha informaes completas em vrias sries
temporais com caractersticas diferentes do sinal, para refletir e distinguir a tendncia
inerente e perturbaes aleatrias entre os sinais de trnsito, e modelo ARIMA teve boa
capacidade de ajuste linear. Portanto, este artigo apresenta um modelo hbrido baseado
em ARIMA e anlise wavelet (WAARIMA). Primeiro de tudo, levando o sinal de
trnsito original em decomposio wavelet e de reconstruo, e em seguida, usando
modelo ARIMA para prever o fluxo de trfego, e realizar anlise e previso com Matlab
e SPSS. Combinando os mtodos estatsticos com anlise wavelet, que deu o jogo
completo para as vantagens de ambos os modelos para
II. Decomposio e Reconstruo Wavelet
Na frmula, j = 0,1, , j-1, H, G, respectivamente, para suportar passa baixa e
filtros passa-alto. A j o coeficiente aproximao aps a decomposio, D j representam
coeficientes de detalhe.
Decomposio Wavelet como mostrado na Fig. 1, definido como o X Um sinal
original, de modo a X tipo pode ser dividido em D0, D1, ... , D Janda j (j o nvel de
decomposio mxima):
Referncias
[1]
Tan Manchun. A Hybrid ARIMA and SVM Model for Traffic Flow Prediction
Based on Wavelet Denoising [J]. Jinan University, Guangdong, 2009, 7: 1~2 (In
Chinese).
[2]
Jiang Songtao. The study of method in short term traffic flow forecasting and
empirical research [D]. Zhejiang University of technology, Zhejiang, 2009,11:
9~12 (In Chinese)
[3]
[4]
[J].
IEEETransactions
on
Pattern
Analysis
and
Wang Baobin. Network traffic prediction based on ARIMA model [J]. Handan
College, Hebei 2008, 9(3): 31~32 (In Chinese).
[6]
[7]
Li hongmei. Prediction of the short traffic flow and visuliazation based matlab [D].
Shandong University of Science and Technology, Shangdong, 2007, 5: 11~12 (In
Chinese).
[8]
Tan Manchun. Traffic Flow Prediction Based on Hybrid ARIMA and ANN Model [J].
Jinan University, Guangdong, 2007, 7 (In Chinese).
[9]
GAO Yong. Wavelet analysis2based NPR prediction of short-term traffic flow [J].
University of Science and Technology of China, An hui, 2008, 12. 1428~1429.
[10] Li